=== Run information === Scheme: weka.associations.Apriori -I -N 10 -T 0 -C 0.9 -D 0.05 -U 1.0 -M 0.25 -S -1.0 -c -1 Relation: transaction Instances: 9 Attributes: 5 I1 I2 I3 I4 I5 === Associator model (full training set) === Apriori ======= Minimum support: 0.25 (2 instances) Minimum metric <confidence>: 0.9 Number of cycles performed: 15 Generated sets of large itemsets: Size of set of large itemsets L(1): 5 Large Itemsets L(1): I1=t 6 I2=t 7 I3=t 6 I4=t 2 I5=t 2 Size of set of large itemsets L(2): 6 Large Itemsets L(2): I1=t I2=t 4 I1=t I3=t 4 I1=t I5=t 2 I2=t I3=t 4 I2=t I4=t 2 I2=t I5=t 2 Size of set of large itemsets L(3): 2 Large Itemsets L(3): I1=t I2=t I3=t 2 I1=t I2=t I5=t 2 Best rules found: 1. I5=t 2 ==> I1=t 2 conf:(1) lift:(1.5) lev:(0.07) [0] conv:(0.67) 2. I4=t 2 ==> I2=t 2 conf:(1) lift:(1.29) lev:(0.05) [0] conv:(0.44) 3. I5=t 2 ==> I2=t 2 conf:(1) lift:(1.29) lev:(0.05) [0] conv:(0.44) 4. I2=t I5=t 2 ==> I1=t 2 conf:(1) lift:(1.5) lev:(0.07) [0] conv:(0.67) 5. I1=t I5=t 2 ==> I2=t 2 conf:(1) lift:(1.29) lev:(0.05) [0] conv:(0.44) 6. I5=t 2 ==> I1=t I2=t 2 conf:(1) lift:(2.25) lev:(0.12) [1] conv:(1.11)请解释以上weka生成的内容

时间: 2023-06-24 14:03:37 浏览: 71
这是一个关联规则挖掘的结果,使用的是Apriori算法。数据集有9个实例和5个属性。最小支持度为0.25,最小置信度为0.9。算法执行了15次循环,生成了3组大项集。最好的6条规则如下: 1. 当I5=t时,I1=t也是真的,这个规则的置信度为1,支持度为2,提升度为1.5,表示当有I5=t时,I1=t的出现概率是I1=t出现概率的1.5倍。 2. 当I4=t时,I2=t也是真的,这个规则的置信度为1,支持度为2,提升度为1.29。 3. 当I5=t时,I2=t也是真的,这个规则的置信度为1,支持度为2,提升度为1.29。 4. 当I2=t和I5=t同时成立时,I1=t也是真的,这个规则的置信度为1,支持度为2,提升度为1.5。 5. 当I1=t和I5=t同时成立时,I2=t也是真的,这个规则的置信度为1,支持度为2,提升度为1.29。 6. 当I5=t时,同时I1=t和I2=t也是真的,这个规则的置信度为1,支持度为2,提升度为2.25,表示当有I5=t时,同时I1=t和I2=t的出现概率是I1=t和I2=t的出现概率的2.25倍。
相关问题

<render conf={scheme} {...{ on: listeners }} />

`<render conf={scheme} {...{ on: listeners }} />` 是一个自定义组件的渲染语法,其中 `conf={scheme}` 表示将 `scheme` 对象作为参数传递给自定义组件,从而实现按照 `scheme` 对象中定义的配置信息渲染对应的组件。`{...{ on: listeners }}` 则表示将 `listeners` 对象中的所有属性和方法都传递给自定义组件,以实现对自定义组件事件的监听和处理。在这个例子中,`render` 组件是一个自定义组件,用于渲染表单项的具体内容。

curl --http2 -I "http://10.88.120.27:7777/nnrf-nfm/v1/nf-instances?requester-nf--type=SMF&target-nf-type=NRF"

要在 Python 中以 HTTP/2 发送类似于上述 curl 命令的请求,你可以使用 `httpx` 库。以下是一个示例代码: ```python import httpx url = "http://10.88.120.27:7777/nnrf-nfm/v1/nf-instances?requester-nf--type=SMF&target-nf-type=NRF" headers = { "Host": "10.88.120.27", ":method": "GET", ":path": "/nnrf-nfm/v1/nf-instances?requester-nf--type=SMF&target-nf-type=NRF", ":scheme": "http", ":authority": "10.88.120.27:7777", ":protocol": "HTTP/2.0" } async def send_http2_request(url, headers): async with httpx.AsyncClient() as client: response = await client.get(url, headers=headers, http2=True) return response response = await send_http2_request(url, headers) print(response.status_code) print(response.headers) ``` 在上述代码中,我们使用了 `httpx` 库的 `AsyncClient` 类来异步发送请求。使用 `get` 方法发送 HTTP/2 GET 请求,并通过 `headers` 参数设置请求头,`http2=True` 则指定使用 HTTP/2 协议。 你需要将 `url` 替换为你要发送请求的 URL,并根据你的实际情况设置请求头。在示例代码中,我根据你提供的 curl 命令设置了一些请求头。 请注意,上述代码中的请求是异步的,因此需要在异步上下文中运行。你可以将代码放在异步函数中,并使用 `asyncio` 库来运行异步函数。 这只是一个基本的示例,你可以根据你的实际需求进行修改和扩展。

相关推荐

最新推荐

recommend-type

ST-LoRa AT指令.pdf

这是一个对LORA模块通过AT指令进行操作的官方文档。想进行LORA编程的可以下载了学习一下。...Lora™ is a proprietary spread spectrum modulation scheme, trading data rate against sensitivity.
recommend-type

Fluent Scheme中文手册修订.docx

Fluent Scheme 简明参考手册 (桂晓峰 翻译),德文版的中文翻译版本
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

实现实时监控告警系统:Kafka与Grafana整合

![实现实时监控告警系统:Kafka与Grafana整合](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9BVldpY3ladXVDbEZpY1pLWmw2bUVaWXFUcEdLT1VDdkxRSmQxZXB5R1lxaWNlUjA2c0hFek5Qc3FyRktudFF1VDMxQVl3QTRXV2lhSWFRMEFRc0I1cW1ZOGcvNjQw?x-oss-process=image/format,png) # 1.1 Kafka集群架构 Kafka集群由多个称为代理的服务器组成,这
recommend-type

帮我实现在Androidstudio调用chapgpt并提供源码

首先,你需要运行一个ChitGPT的服务器,然后通过Android应用程序与该服务器进行通信。以下是一个简单的Android应用程序示例,可以与ChitGPT进行通信: 1. 首先,在Android Studio中创建一个新的项目,并添加以下依赖项: ``` implementation 'com.squareup.okhttp3:okhttp:4.9.0' implementation 'com.google.code.gson:gson:2.8.6' ``` 2. 创建一个新的Java类,用于与ChitGPT服务器通信。以下是一个简单的实现: ```java import com.